Agent-as-a-Router：面向编码任务的智能体化模型路由

真实用户通常可访问来自不同提供商的多个大语言模型（LLM）——这些LLM常各擅不同领域——无一只在全部领域占优。因此——把每个任务路由到最合适的模型对性能与成本都至关重要。既有路由器把这当作静态一次性分类问题。但我们把这些路由器的性能瓶颈识别为信息赤字：仅给原始LLM路由器增补任务维度级性能统计就带来15.3%相对增益——超过基于同维度级先验构建的启发式路由器。受该发现启发——我们提出Agent-as-a-Router——把路由形式化为C-A-F循环（上下文→动作→反馈→上下文）的框架：在部署期间积累执行锚定的经验以闭合信息缺口。我们将该框架实例化为ACRouter——由编排器、验证器与记忆模块组成——并介绍CodeRouterBench——含约1万任务实例、带8个前沿LLM经验证分数的评估环境——支持在流式任务上按遗憾比较路由器。实验表明ACRouter在分布内任务上取得最低累计遗憾——并泛化到分布外智能体编程任务——证明我们的路由框架主动闭合信息缺口。代码与基准发布于 https://github.com/LanceZPF/agent-as-a-router。